从Pandas DataFrame创建Spark DataFrame

Question

我正在尝试从简单的Pandas DataFrame构建Spark DataFrame。 这是我遵循的步骤。

import pandas as pd
pandas_df = pd.DataFrame({"Letters":["X", "Y", "Z"]})
spark_df = sqlContext.createDataFrame(pandas_df)
spark_df.printSchema()

直到这一点一切都OK。 输出为：

根
|-字母：字符串（nullable = true）

当我尝试打印DataFrame时出现问题：

spark_df.show()

结果如下：

调用o158.collectToPython时发生错误。 ：org.apache.spark.SparkException：由于阶段失败而中止作业：阶段5.0中的任务0失败1次，最近一次失败：阶段5.0中的任务0.0丢失（TID 5，本地主机，执行程序驱动程序）：org.apache.spark .SparkException：
来自python worker的错误：
执行Jupyter命令'pyspark.daemon'时出错：[Errno 2]没有这样的文件或目录PYTHONPATH为：
/home/roldanx/soft/spark-2.4.0-bin-hadoop2.7/python/lib/pyspark.zip:/home/roldanx/soft/spark-2.4.0-bin-hadoop2.7/python/lib/ py4j-0.10.7-src.zip:/home/roldanx/soft/spark-2.4.0-bin-hadoop2.7/jars/spark-core_2.11-2.4.0.jar:/home/roldanx/soft/ spark-2.4.0-bin-hadoop2.7 / python / lib / py4j-0.10.7-src.zip：/home/roldanx/soft/spark-2.4.0-bin-hadoop2.7/python/：组织。 apache.spark.SparkException：pyspark.daemon的标准输出中没有端口号

这些是我的Spark规格：

SparkSession-蜂巢

SparkContext

Spark用户界面

版本：v2.4.0

硕士：本地[*]

AppName：PySparkShell

这是我的venv：

导出PYSPARK_PYTHON = jupyter

导出PYSPARK_DRIVER_PYTHON_OPTS ='实验室'

事实：

正如错误所提到的，这与从Jupyter运行pyspark有关。 使用'PYSPARK_PYTHON = python2.7'和'PYSPARK_PYTHON = python3.6'正常运行

Answer 1

导入并初始化findspark，创建spark会话，然后使用该对象将pandas数据框转换为spark数据框。 然后将新的Spark数据框添加到目录中。 经过测试并在python 3.6.6的Jupiter 5.7.2和Spyder 3.3.2中运行。

import findspark
findspark.init()

import pyspark
from pyspark.sql import SparkSession
import pandas as pd

# Create a spark session
spark = SparkSession.builder.getOrCreate()

# Create pandas data frame and convert it to a spark data frame 
pandas_df = pd.DataFrame({"Letters":["X", "Y", "Z"]})
spark_df = spark.createDataFrame(pandas_df)

# Add the spark data frame to the catalog
spark_df.createOrReplaceTempView('spark_df')

spark_df.show()
+-------+
|Letters|
+-------+
|      X|
|      Y|
|      Z|
+-------+

spark.catalog.listTables()
Out[18]: [Table(name='spark_df', database=None, description=None, tableType='TEMPORARY', isTemporary=True)]